論文の概要: Circuit-Level Noise Estimation via Shuttling in Plaquette Circuits

• arxiv url: http://arxiv.org/abs/2606.04629v1
• Date: Wed, 03 Jun 2026 09:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 07:07:40.482693
• Title: Circuit-Level Noise Estimation via Shuttling in Plaquette Circuits
• Title（参考訳）: プラケット回路におけるシャットリングによる回路レベルノイズ推定
• Abstract要約: 2つのシンドローム量子ビット構成を用いた表面コードプラケット実験の開発と実行を行う。 アプローチを検証するため,イオントラップ(IonQ Aria1)ネイティブゲートセットにプラケットをコンパイルし,ハードウェア対応の書き換えテンプレートを適用した。 単発プラケット計測結果から回路レベルのノイズ率を推定する。
• 参考スコア（独自算出の注目度）: 46.3492821660498
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method for estimating QEC circuit-level noise levels assuming that only single-shot measurements are available (e.g. measurements are slow and performed in a zoned/parallel fashion), and that lower level quantum hardware calibration is not possible (e.g. cloud access) or not feasible (e.g. large scale computing). We develop and run surface code plaquette experiments using two syndrome qubit configurations: FRESH, involving fresh qubits for each plaquette repetition, and RECYCLE, reusing qubits. To validate our approach, we compile plaquettes to ion-trap (IonQ Aria1) native gate set and apply hardware-aware rewrite templates to reduce circuit depth and execution time. We also run the experiments on a non-shuttling, superconducting processor (IBM Torino). We estimate circuit-level noise rates from the resulting single-shot plaquette measurement statistics, and conclude numerically about the viability of low-depth QEC experiments.
• Abstract（参考訳）: 本稿では,QEC回路レベルのノイズレベルの推定手法について,単発計測のみが可能であり(例えば,ゾーン/並列方式で測定が遅く,動作が遅い),低レベルの量子ハードウェアキャリブレーションが不可能である(例えば,クラウドアクセス)か,実現不可能でない(例えば大規模コンピューティング)ことを仮定する。 FRESHとRECYCLEの2つのシンドローム量子ビット構成を用いた表面コードプラケット実験と実行を行った。 提案手法を検証するため,イオントラップ(IonQ Aria1)ネイティブゲートセットにプラケットをコンパイルし,ハードウェア対応の書き換えテンプレートを適用し,回路深さと実行時間を短縮する。 また,非シャットリング超伝導プロセッサ(IBM Torino)上で実験を行った。 単発プラケット計測結果から回路レベルのノイズ率を推定し,低深度QEC実験の生存可能性について数値的に結論付ける。

関連論文リスト

• KV-Latent: Dimensional-level KV Cache Reduction with Frequency-aware Rotary Positional Embedding [72.12756830560217]
  Transformer Decodersをベースとした大規模言語モデル(LLM)が、会話生成AIの選択肢として好まれている。 デコーダアーキテクチャの全体的な優位性にもかかわらず、推論中にキーバリューキャッシュが徐々に増加し、主要な効率ボトルネックとなっている。 キーバリューベクトル次元を潜在空間にダウンサンプリングすることで、KVキャッシュのフットプリントを大幅に削減し、推論速度を向上させることができる。
  論文  参考訳（メタデータ） (2025-07-15T12:52:12Z)
• Robust ultra-shallow shadows [0.251657752676152]
  低深度計測回路の幅広いクラスに対して,ロバストなシャドウ推定プロトコルを提案する。 弱相関局所雑音に対して、測定チャネルは効率的な行列積表現を有する。 テンソルネットワークツールを用いて実験データから直接推定する方法を示す。
  論文  参考訳（メタデータ） (2024-05-09T18:00:09Z)
• QuTracer: Mitigating Quantum Gate and Measurement Errors by Tracing Subsets of Qubits [8.54896613102673]
  量子誤差緩和は、現在のノイズの中規模量子(NISQ)時代に重要な役割を果たす。 キュービットのサブセットにおけるゲートと測定誤差を緩和するフレームワークQuTracerを提案する。
  論文  参考訳（メタデータ） (2024-04-30T17:06:04Z)
• Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
  我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。 消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。 以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-21T17:40:18Z)
• Efficient sampling of noisy shallow circuits via monitored unraveling [0.03922370499388702]
  本稿では,2次元量子ビットアレイ上でのノイズ乱数回路の出力をサンプリングする古典的アルゴリズムを提案する。 このアルゴリズムは、最近提案された「空間進化ブロックデシメーション」(SEBD)に基づいて構築され、ノイズ回路の場合に拡張される。
  論文  参考訳（メタデータ） (2023-06-28T18:00:02Z)
• Scalable noisy quantum circuits for biased-noise qubits [37.69303106863453]
  安定猫量子ビットの既存システムに動機づけられたビットフリップ誤差のみに影響されるバイアスノイズ量子ビットを考察する。 現実的なノイズモデルでは、位相フリップは無視できないが、Pauli-Twirling近似では、ベンチマークが最大106ドルのゲートを含む回路の正しさを確認できる。
  論文  参考訳（メタデータ） (2023-05-03T11:27:50Z)
• Adaptive quantum error mitigation using pulse-based inverse evolutions [0.0]
  本稿では,ターゲット装置の雑音レベルに適応する適応KIKというQEM手法を提案する。 この手法の実装は実験的にシンプルであり、トモグラフィ情報や機械学習の段階は含まない。 我々は、IBM量子コンピュータと数値シミュレーションを用いて、我々の研究結果を実証した。
  論文  参考訳（メタデータ） (2023-03-09T02:50:53Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• Accelerating Simulation of Quantum Circuits under Noise via Computational Reuse [9.859256459288517]
  ツリーベース量子回路シミュレーション(TQSim)というノイズシミュレーション手法 TQSimはノイズシミュレーション中の中間結果を再利用し、計算量を削減する。 ノイズの多いQulacsベースのベースラインシミュレータと比較して、TQSimはノイズの多いシミュレーションのために最大3.89倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2022-03-25T20:06:15Z)
• Pulse-level noisy quantum circuits with QuTiP [53.356579534933765]
  我々はQuTiPの量子情報処理パッケージであるqutip-qipに新しいツールを導入する。 これらのツールはパルスレベルで量子回路をシミュレートし、QuTiPの量子力学解法と制御最適化機能を活用する。 シミュレーションプロセッサ上で量子回路がどのようにコンパイルされ、制御パルスがターゲットハミルトニアンに作用するかを示す。
  論文  参考訳（メタデータ） (2021-05-20T17:06:52Z)
• A deep learning model for noise prediction on near-term quantum devices [137.6408511310322]
  我々は、量子デバイスからの実験データに基づいて畳み込みニューラルネットワークをトレーニングし、ハードウェア固有のノイズモデルを学ぶ。 コンパイラはトレーニングされたネットワークをノイズ予測器として使用し、期待されるノイズを最小限に抑えるために回路にゲートのシーケンスを挿入する。
  論文  参考訳（メタデータ） (2020-05-21T17:47:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。